| Item type |
SIG Technical Reports(1) |
| 公開日 |
2021-02-25 |
| タイトル |
|
|
タイトル |
X-ray2Shape: グラフ畳み込みネットワークを用いた単一X-ray画像からの臓器形状再構成 |
| タイトル |
|
|
言語 |
en |
|
タイトル |
X-ray2Shape: Reconstruction of Organ Shape from a Single X-ray Image using Graph Convolutional Network |
| 言語 |
|
|
言語 |
jpn |
| キーワード |
|
|
主題Scheme |
Other |
|
主題 |
セッション2-1 |
| 資源タイプ |
|
|
資源タイプ識別子 |
http://purl.org/coar/resource_type/c_18gh |
|
資源タイプ |
technical report |
| 著者所属 |
|
|
|
京都大学大学院情報学研究科 |
| 著者所属 |
|
|
|
京都大学大学院情報学研究科 |
| 著者所属 |
|
|
|
大阪大学産業科学研究所 |
| 著者所属 |
|
|
|
京都大学大学院医学研究科 |
| 著者所属 |
|
|
|
京都大学大学院情報学研究科 |
| 著者所属(英) |
|
|
|
en |
|
|
Graduate School of informatics, Kyoto University |
| 著者所属(英) |
|
|
|
en |
|
|
Graduate School of informatics, Kyoto University |
| 著者所属(英) |
|
|
|
en |
|
|
The Institute of Scientific and Industrial Research, Osaka University |
| 著者所属(英) |
|
|
|
en |
|
|
Graduate School of medicine, Kyoto University |
| 著者所属(英) |
|
|
|
en |
|
|
Graduate School of informatics, Kyoto University |
| 著者名 |
Fei, Tong
中尾, 恵
武, 淑瓊
中村, 光宏
松田, 哲也
|
| 論文抄録 |
|
|
内容記述タイプ |
Other |
|
内容記述 |
CT や MRI により生体の高分解能の 3 次元画像が計測可能となったが，手術時や放射線治療中には内視鏡画像や X-ray 画像などの低次元かつ局所的な単視点画像しか得られないことが多い．また，呼吸によって臓器は変形しつつ移動するため，治療時における臓器形状の再構成は難しい課題である．本研究では，グラフ畳み込みネットワーク (GCN) を用いて 単一X-ray 画像から臓器形状を再構成する X-ray2Shape の枠組みを提案する．臓器形状メッシュの再構成に有効な損失関数を新たに導入し，患者個人の 3D-CT データから生成可能な最大吸気時の臓器形状を初期テンプレートとして，呼気時相の X-ray 画像特徴量と臓器形状間の関係を学習する．35 症例 10 時相からなる 4D-CT データを用いて，腹部領域の疑似 X 線画像から肝臓の 3 次元形状を再構成する実験を行い，提案法の性能を確認したので報告する． |
| 論文抄録(英) |
|
|
内容記述タイプ |
Other |
|
内容記述 |
High resolution 3D images can be measured by computed tomography and magnetic resonance imaging. However, during surgery or radiotherapy, only low-dimensional and local single-viewpoint 2D images may be obtained, and organs move while deforming due to breathing. Therefore, shape reconstruction from a single-viewpoint 2D image such as an endoscopic image or an X-ray image remains a challenge. In this study, we proposed an X-ray2Shape framework which can reconstruct the 3D organ shape from a single-viewpoint X-ray image using a graph convolution network. The proposed method learns the mesh deformation from organ shape during inspiration and deep features computed from the individual X-ray images. Experiments with organ meshes and digitally reconstructed radiograph images of abdominal regions were performed to confirm the estimation performance of our proposed method. |
| 書誌レコードID |
|
|
収録物識別子タイプ |
NCID |
|
収録物識別子 |
AA11131797 |
| 書誌情報 |
研究報告コンピュータビジョンとイメージメディア（CVIM）
巻 2021-CVIM-225,
号 14,
p. 1-8,
発行日 2021-02-25
|
| ISSN |
|
|
収録物識別子タイプ |
ISSN |
|
収録物識別子 |
2188-8701 |
| Notice |
|
|
|
SIG Technical Reports are nonrefereed and hence may later appear in any journals, conferences, symposia, etc. |
| 出版者 |
|
|
言語 |
ja |
|
出版者 |
情報処理学会 |
IPSJ-CVIM21225014.pdf (2.0 MB)
